EIT-NLP团队 投稿
量子位 | 公众号 QbitAI
在大模型时代，Tool-Use已成为智能体能力的核心组成部分。从代码生成、数据分析到网页查询与复杂API调用，大语言模型正加速掌握“使用工具”的能力。但一个现实瓶颈日益凸显：工具难找。
宁波东方理工大学/宁波数字孪生（东方理工）研究院沈晓宇团队在ICLR 2026发表论文：
《Tools Are Under-Documented: Simple Document Expansion Boosts Tool Retrieval》
论文指出：当前工具检索性能的瓶颈，往往不在模型本身，而在于工具文档质量不足。
该论文已被ICLR 2026接收。
背景：Tool Retrieval的隐形障碍
随着API数量增长至数千甚至上万，工具检索已成为Tool-Use系统的前置关键环节——模型需先从海量工具中精准定位合适工具，方能完成调用与执行。
尽管ToolBench、ToolRet等评测基准推动了模型发展，实际应用中一个基础性问题长期被忽视：工具文档质量参差不齐。普遍存在结构不统一、描述不完整、功能粒度差异大等问题；用户查询以自然语言表达任务意图，而工具文档多为简略技术说明，二者之间存在显著的语义鸿沟（semantic gap）。
因此，核心制约并非模型理解力，而是工具文档缺乏足够结构化、可检索、且与用户查询语义对齐的表达方式。即便采用强检索模型，也难以稳定匹配正确工具。
核心思路：先优化文档，再训练模型
研究提出一种简洁而系统化的解决方案：对工具文档进行结构化扩展（document expansion），再基于扩展后文档开展训练与评估。
通过补充原始API描述中缺失的语义信息，构建更完整、更可检索的工具表达，从而系统性缩小用户查询与工具描述之间的语义差距。相比改进模型架构，该方法从数据源头入手，更具可解释性与泛化性。
论文构建三大关键组件：
1. TOOL-REX：扩展版工具检索基准
在ToolRet基准基础上，新增结构化tool_profile字段，涵盖四大维度：
- function：工具核心功能
- tags：能力关键词
- when_to_use：适用场景与任务类型
- limitation：使用限制或边界条件
上述字段通过低成本自动化pipeline生成：首先使用Qwen3-32B对原始文档进行结构化扩展，严格依据原文提取并重组语义；随后由LLaMA-3.1-70B执行语义一致性验证，并通过规则检查确保输出合法；少量未通过样本交由GPT-4o重生成；最终经人工抽样审核，保障真实性与一致性。
整套流程形成“LLM扩展→LLM校验→再生成修正→人工抽检”的闭环，使原始文档升级为忠实、完整、结构化的工具描述。
2. 大规模训练语料
基于上述pipeline，构建目前规模最大的结构化工具检索训练语料之一：
- 50k embedding训练样本
- 200k reranker训练样本
所有样本均基于扩展后文档生成，显著提升数据语义对齐度与信息密度。
3. 两个专用模型
依托新语料，训练出两个面向工具检索的专用模型，填补领域空白：
Tool-Embed：面向dense retrieval的嵌入模型，适用于大规模工具库高效召回
Tool-Rank：基于大语言模型的reranker，用于候选工具集精细排序
三者结合——结构化文档+大规模语料+专用模型——构成端到端工具检索解决方案。
结果：简单扩展，显著提升
在ToolRet及新构建的TOOL-REX基准上的实验证明：仅对工具文档进行结构化扩展，即可带来稳定且显著的性能提升。
相同模型结构下，仅更换为扩展文档，检索效果即明显改善，证实文档表达质量是影响检索性能的关键变量。
在此基础上，Tool-Embed与Tool-Rank在多项评测中达到新SOTA。典型案例如：原位于Top10之外的正确工具，现可稳定进入Top3，提升源于更完整、更结构化的语义表达，而非更大模型或更强推理。
更深层的发现
论文进一步分析各结构化字段对检索阶段的影响：
- function与tags对dense retrieval贡献最大，显著增强工具向量表示的功能区分度
- when_to_use等场景描述则在reranking阶段作用突出，提升任务适配判断精度
扩展文档不仅优化训练效果，也在评测中展现出更高稳定性，有效减少因描述缺失导致的语义误匹配。
结论明确：文档质量本身即是检索系统不可分割的重要组成部分。
总结
当“模型增强”成为主流路径时，本研究提供了一种更朴素却高效的替代思路：在工具检索任务中，提升文档表达质量，往往比增加模型复杂度更能直接改善效果。
Better documentation → Better retrieval.
论文标题：
Tools Are Under-Documented: Simple Document Expansion Boosts Tool Retrieval
第一作者：路璇、黄浩航
通讯作者：沈晓宇（宁波东方理工大学）
arXiv：https://arxiv.org/abs/2510.22670
GitHub：https://github.com/EIT-NLP/Tool-REX